农业机械学报

作者：孟志军，刘淮玉，安晓飞，尹彦鑫，金诚谦，张安琪

单位：黑龙江八一农垦大学；国家农业智能装备工程技术研究中心,黑龙江八一农垦大学；国家农业智能装备工程技术研究中心,国家农业智能装备工程技术研究中心,国家农业智能装备工程技术研究中心,农业农村部南京农业机械化研究所,国家农业智能装备工程技术研究中心,

关键词：小麦;秸秆;含水率;检测模型;电容;麻雀搜索算法

基金：国家重点研发计划项目（2019YFB1312304）、北京市农林科学院创新能力建设专项（KJCX20200416）和江苏省农业科技自主创新专项（CX（20）1007）

为提高基于电容法的小麦秸秆含水率检测模型的检测精度，扩大含水率检测范围，提高模型适应性，本文以小麦秸秆为研究对象，使用LCR数字电桥，测量含水率为10.43%~25.89%的秸秆在频率0.05~100kHz、容积密度90.03～179.42kg/m3和温度25～40℃内的电容，利用连续投影法（Successive projections algorithm，SPA）和主成分分析法（Principal component analysis，PCA）对原始数据进行预处理，提取特征频率，选用反向传播神经网络（Back propagation neural network，BPNN）在全频率及2个特征频率下分别建立秸秆含水率、容积密度、温度的定量分析模型，引入麻雀搜索算法（Sparrow search algorithm，SSA）优化反向传播神经网络模型。试验结果表明，基于全频率构建的模型较基于SPA算法构建的模型预测效果略好，综合考虑模型复杂度和预测性能，本研究选用基于SPA算法结合SSA算法优化后的BP神经网络模型(SPA-SSA-BP)作为小麦秸秆含水率的检测模型，其预测集R2P、RMSEP和RPDP分别为0.9832、0.00550和7.715。利用该模型对13个含水率为10.62%～25.59%的秸秆样本进行预测，含水率预测结果的相对误差为-5.27%～5.52%，其中96.8%的预测误差在±5%以内。由此说明，模型具有较高的准确性和较好的鲁棒性。

来源：2022年第2期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2022年第2期